MétaCan
Menu
Retour à la cohorte
Enregistrement W4400785496 · doi:10.54254/2754-1169/6/2022192

Analysis of the Development Strategy of SMIC

2023· article· en· W4400785496 sur OpenAlexaff
Xinyi Ding

Notice bibliographique

RevueAdvances in Economics Management and Political Sciences · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPsychology

Résumé

récupéré en direct d'OpenAlex

As the most advanced and largest chip foundry in mainland China, SMIC’s development strategy is of great research value and reference significance. This paper first gives a brief introduction of SMIC, including the company's development history and the current problems and challenges it faces. Then, it analyzes the strategic environment of SMIC and analyzes its external environment (PEST analysis) in terms of political, economic, policy and technological environment. Next, SMIC’s internal resources and capabilities were analyzed in terms of finance, human resources, technology and R&D capabilities, production capacity, and customer and market resources. Finally, a SWOT analysis was conducted based on the above, and strategic recommendations were made by summarizing SMIC’s strengths, weaknesses, opportunities and threats. SMIC’s current scale of development and operations are good, so it should plan more for future growth. The political, economic and social environment in mainland China has created positive support for SMIC’s development. SMIC should take this opportunity to secure its current market share while striving for more mainland markets, seeking external cooperation and, most importantly, making technological breakthroughs as soon as possible to catch up with the industry leaders.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,558
Score d'incertitude au seuil0,195

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,270
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Economics Management and Political SciencesMême sujetCollaboration in agile enterprisesTravaux en français237 207